研究设计

Yangyong ye

2023-03-16

熟悉数据类型

截面数据（cross-sectional)
时间序列（time series)
面板数据（panel data)
混合面板数据（pooled panel data)
事件数据（event data)
文本数据（text data)

确定研究类型

描述性研究
相关性研究
预测性研究
因果性研究

明确统计单位

统计单位是指数据变量描述特征的主体，比如学生、成人劳动力、家庭、学校、省等；
涉及多层主体时，比如学生、学校、县等，要做到匹配关系，学生是属于这所学校；
在一个模型中，无法使用两个统计单位，比如y省级数据，x是个人的特征数据；

描述性研究设计

新颖的对象，比如能力感、自控力
测量方法，比如中学教师工资水平
分群方法，比如，性别、城乡、区域、年份、学校类型等。
重点是构建新的量化指标，对客观现象做出准确描述，揭示其差异与变化。

简单相关性研究

T检验
ANOVA
卡方检验
相关系数
重点是找到一组新关系

复杂相关性研究

虚拟变量
顺序变量
分类变量
计数变量
连续变量
事件变量

Logistic regression
Ordered logistic regression
Multinomial logistic regression
poisson regression
Simple regression
Survival

控制变量选择

相关与因果

Correlation does not necessarily mean causation
Correlation is suggestive for causation

相关与因果

does an absence of correlation imply absence of causality?

No. Any controlled system is a counterexample.

为什么相关不是因果？

random
causal
counter-causal
bias amplification
confounder bias
collider bias
over-control bias
measurement error
sampling error
analytic error

因果推断的类型

RCT
Control on observable: regression/matching/weighting/sub-classification
selection on unobservable: iv/rd/did/fixed effect/synthetic/event study
bounds / partial identification and sensitivity analysis

因果研究的四个步骤(“mostly harmless”)

研究什么关系(relationship)
确定该关系的实验方法是怎样的(experiment design)
确定识别策略(identification strategy)
确定统计推断方法(inference)

从理论到方法

确定假设
假想实验
自然实验
控制变量选择

为什么要做假想实验？

sufficiently well-defined intervention
feasible intervention, manipulative
attributes or causes?

控制实验存在的问题？

Hawthorne effect
External validity
Non compliance

自然实验如何寻找？

randomness
intervention

控制变量如何选择？

pretreatment variable
overcontrol variable
confounder
collider

混淆变量的处理

measurable
unmeasurable

撞子变量的处理

not control it
limit the interpretation

中介变量的处理

produce bias
not control it
limit the interpretation

Some lessons that I gradually learn

what’s the difference between matching and regression?
what’s the difference between statistical models and theoretical models?
we can say limited conclusions with limited data if we don’t have the complete data, instead without saying it. otherwise, we can make no contributions.